如何将预训练的机器学习模型转移到App Engine

我有一些已经训练好的机器学习模型(大小在300MB到4GB之间)。现在我想通过REST API查询它们。我使用Flask构建了我的API,这些API需要将这些模型加载到内存中。Google App Engine适合这个用途吗?还是应该使用计算引擎?


回答:

由于以下原因,App Engine不适合此用途:

  1. App Engine没有足够内存的实例(除非你使用灵活环境,这基本上与GCE选项相同)。

  2. 即使有,实例可能会消失,这需要不断地重新加载数据到内存中(虽然可以使用memcached)。

  3. 前端实例的时间限制使得你几乎没有时间将数据加载到内存中,更不用说分析数据了。使用后端类型的实例可能可以做到,但比从普通虚拟机上做要困难得多。

  4. 祝你好运加载所需的库,因为这些库不应该写入文件存储,即使是临时文件也不行。

因此,计算引擎是正确的选择。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注